Быстрый или бедный

Задача любой технологии для бизнеса – повышение его эффективности, а точнее – увеличение прибыли. Технологии могут быть разными: производственными, маркетинговыми, для повышения продаж или улучшения обслуживания. Но все они в конечном счете помогают бизнесу давать больше результата за единицу времени и по каждому сотруднику. И все это благодаря оптимизации процессов.

Один из инструментов такой оптимизации – сквозная аналитика. С технической точки зрения она доступна сегодня любому бизнесу. Схем и вариантов решений много, но суть одна: вы шаг за шагом собираете все больше данных о клиенте. И не просто собираете, а выполняете целый комплекс мер: систематизируете информацию, проводите ретроспективный анализ, прогнозируете дальнейшие действия, подбираете рекламные каналы, корректируете на основании собранных данных маркетинговую стратегию.

Сквозная аналитика

Это способ анализа эффективности рекламных кампаний и поведения целевой аудитории на основе данных о продажах или заключенных сделках. Она предполагает отслеживание полного пути клиента от первого захода на сайт до повторных продаж или расторжения договора, в том числе с учетом данных офлайн (при определенных доработках).

В ряде случаев могут учитываться и действия пользователя до посещения сайта, например просмотр баннера или рекламных материалов с отслеживающим пикселем. Однако такие решения пока не получили широкого распространения и применяются только в рамках RTB-рекламы4.

Уровни сквозной аналитики

Варианты настройки сквозной аналитики различаются прежде всего целями. Кому-то достаточно видеть, сколько клиентов принесла реклама из интернета, а кому-то важен показатель LTV (от англ. Lifetime Value) – совокупной прибыли от каждого клиента за все время сотрудничества. Сразу оговоримся: описанные далее варианты аналитики можно реализовать и настроить несколькими способами. Мы рассмотрим схемы, которые дают видимый результат при минимальных затратах. Дополнительно для каждого сценария пропишем возможность учета офлайн-данных, например, посещений офисов, магазинов.

Level 1: Интеграция по Client ID (базовая схема)

Самый простой вариант сквозной аналитики – интеграция системы коллтрекинга с CRM и данными Google Analytics и/или Яндекс.Метрики с использованием идентификатора Client ID5.

Коллтрекинг (от англ. call-tracking) – это система учета звонков в компанию для оценки эффективности рекламных каналов.

Суть метода в том, что пользователям, зашедшим на сайт с различных рекламных каналов, показываются разные телефонные номера. Например, кто-то кликнул по объявлению о скидках в контекстной рекламе, кто-то – по баннеру, кто-то нашел сайт в поиске Яндекса. Люди звонят по номерам, присвоенным определенным каналам, и эти данные фиксируются в системе.

В основе системы – сервис сквозной аналитики, например CoMagic, Roistat и т. п. Именно он собирает в едином интерфейсе данные о конверсиях и продажах из CRM.

Никита Карпук, директор по продуктам Virgin Connect:

– Сквозная аналитика призвана обеспечить максимальную конверсию в значимые действия на всех этапах коммуникации. При этом особое внимание стоит уделить выбору оператора телефонии/виртуальной АТС (ВАТС). Качество телефонии – важный критерий успеха. Оптимально, если сервис ВАТС имеет функционал для учета количества звонков по каждому менеджеру и на отдел, возможность записи разговора и, самое главное, если компания, предоставляющая ВАТС, является оператором связи. Последняя может обеспечить качественный сервис телефонии за счет официальных стыков и наличия соглашения о качестве обслуживания с другими операторами мобильной и фиксированной связи. Помехи во время разговора не лучший помощник продавца. Кстати, а у ваших менеджеров есть прозрачные KPI (например, количество звонков в день)? Оцениваете ли вы качество взаимодействия с клиентом?

Сквозная аналитика в действии

Рассмотрим работу схемы на примере агентства недвижимости. Человек зашел на сайт. Система сразу присвоила ему уникальный идентификатор Client ID. Пользователь посмотрел варианты квартир, заглянул к конкурентам. Потом выключил компьютер и лег спать. Два дня думал. На третий снова зашел на сайт, увидел телефон, позвонил, договорился о встрече.

Система учета клиента сохранила данные об обращении. Их можно связать с историей обращений, количеством часов общения с менеджером и заключенной в итоге сделкой – продажей. В результате посещения сайта будут сопоставлены с конкретными деньгами. Или, возможно, не сопоставлены, если продажа не состоялась, то есть посещения сайта не были эффективными.

Далее анализируются не конкретные клиенты, а группы пользователей. Например: «пришел с рекламы/перешел по ссылке», «позвонил/написал», «купил/не купил» и пр.

Мы понимаем, какие рекламные каналы, какие кластеры аудитории эффективны, какие нет, что окупается, что нет. Нередко деньги приносят рекламные кампании с минимальной конверсией. При этом кампании, которые приводят огромное количество трафика, не дают продаж. Возможно, просто потому, что ожидания этой аудитории сформированы неверно.

Плюсы

Рассмотренная схема позволяет отслеживать всю воронку продаж в онлайне. Идентификатор клиента (Client ID) не меняется с момента захода на сайт, звонка или лида и до заключения сделки, зафиксированной в CRM (конечно, есть исключения, но о них поговорим далее). Вы точно знаете, сколько потратили на рекламу, сколько получили, видите, на каком этапе теряете клиентов, и можете этим управлять.

Подобная схема сквозной аналитики позволяет систематизировать данные. Пока пользователь ходит по сайту и выбирает, о нем знают только Яндекс.Метрика и Google Analytics. Но как только он совершает целевое действие (звонит, пишет в чат, отправляет заявку), в CRM автоматически создается «сделка», данные синхронизируются.

Как при такой схеме учесть в CRM клиентов из офлайна? Например, тех, кто не звонил, увидев телефон на сайте, а просто пришел в офис? Или тех, кто увидел рекламу на билборде? Есть два варианта:

1. Узнать у клиента, если при посещении офиса или магазина менеджер спросит об этом и внесет данные вручную.

2. Учесть через офлайн-звонок. Вы можете использовать уникальные номера телефонов не только в привязке к рекламным кампаниям в сети, но и на троллейбусе, уличном баннере или листовках. Так вы сможете отследить, насколько хорошо работает такая реклама, приносит ли она что-то кроме узнаваемости.

Минусы

Основной недостаток базовой схемы в том, что человек в ней определяется по сookie-файлам в браузере. А это не самый надежный идентификатор. Если пользователь сменил устройство или браузер, система аналитики зафиксирует двух разных посетителей. То же самое произойдет, если человек очистит cookie-файлы: вся его предыдущая история обнулится. Даже если покупатель указал свой номер телефона и email при регистрации, а потом сделал заказ с другого устройства, без дополнительных настроек данные не объединятся. В этих случаях информацию по клиенту придется связывать вручную.

Такая погрешность критична для интернет-магазинов, где путь пользователя труден и тернист. Человек может зайти на сайт, зарегистрироваться, долго присматриваться к товарам, выбирая то с телефона, то с домашнего ноутбука, а в итоге оформить заказ с рабочего компьютера в день зарплаты. В таком случае мы получим недостоверные данные.

Базовая схема сквозной аналитики устаревает еще и потому, что захватывает, по сути, лишь онлайн-блок. С ее помощью достаточно сложно отследить тех пользователей, которые выбирали в онлайне, а потом пошли и оформили сделку у менеджера в ближайшем магазине или офисе.

Кому подходит

Несмотря на недостатки, такая схема подходит отраслям, где основное целевое действие на сайте – звонок в компанию. Это все классические услуги: строительные, юридические, консалтинговые. Как правило, у такого бизнеса, где путь пользователя достаточно прост, не так много повторных заказов. Если человек заказывает отделку балкона, абсолютно нормально, что он не делает этого регулярно. Он прошел цепочку от рекламы до продажи (как раз через звонок в офис), и пожизненная ценность клиента (LTV) нас не сильно волнует. В таких случаях погрешность сквозной аналитики будет незначительной. Да, вы будете терять часть информации о клиентах, имеющих длинный цикл принятия решений. Но все равно это будет качественно иной уровень по сравнению с отсутствием аналитики в принципе. Образно говоря, это возможность видеть хотя бы одним глазом в ситуации, когда до этого вы ходили на ощупь.

Стоимость

От 100 000 рублей.

Базовая схема – это основа, с которой нужно начать, если вы только задумываетесь о сквозной аналитике. Но останавливаться на этом не стоит. Устранить недостатки этой схемы помогут более сложные уровни.

Level 2: Интеграция по User ID

Как мы уже отмечали выше, базовая схема сквозной аналитики дает сбой, как только пользователь меняет устройство или браузер. Рассмотрим ситуацию на примере интернет-магазина или сервиса с периодической оплатой.

В большинстве случаев транзакции фиксируются параллельно в двух местах: в CRM и системах онлайн-аналитики. Да, пользователь может быть залогинен (зарегистрирован) на сайте. Да, он уже не впервые заходит сюда и каждый раз вводит свои данные. Но как только он меняет устройство или браузер, наступает путаница. В CRM он остается тем же самым человеком (с его логином и паролем), а в системах статистики Google Analytics и Яндекс.Метрика фиксируется как другой пользователь. Новый браузер на новом устройстве присваивает ему новый идентификатор Client ID. Информация о продажах, сделанных по звонку, тоже не попадает в системы онлайн-аналитики. Туда подтягиваются лишь данные с сайта – по тому самому последнему Client ID.

Возникает разрыв коммуникации между маркетологом-аналитиком и бизнесом. Классическая ситуация: приходит клиент, мы смотрим отчет по транзакциям в Яндекс.Метрике («Электронная коммерция», те самые данные с сайта) и говорим: «Дружище, ты зарабатываешь 20 миллионов». А в ответ слышим: «Но я зарабатываю 15!» или «Я зарабатываю 25!» (информация из CRM). При таких разночтениях говорить о повышении эффективности рекламы по меньшей мере некорректно.

Синхронизировать данные систем аналитики и внутренних систем учета можно с помощью схемы сквозной аналитики, представленной ниже.

Рассмотрим эту схему на примере любого сервисного продукта, например системы управления интернет-рекламой Rookee. Человек увидел объявление на телефоне, перешел на сайт, зарегистрировался. Но пользоваться сервисом удобнее и привычнее с десктопа. Человек пришел домой и зашел на сайт. Данная схема аналитики свяжет это событие с переходом на сайт с телефона. После этого мы не потеряем данные об эффективности рекламы. Без такой настройки человек на десктопе и человек в мобильном телефоне были бы для системы аналитики двумя разными людьми.

Плюсы

Как видите, в основе лежит базовая модель сквозной аналитики, только вместо лидов – транзакции. Эта схема больше подходит интернет-магазинам и сервисам с периодической абонентской платой. Принципиальное различие в том, что пользователь определяется здесь уже не по cookie-файлам и привязанному к ним Client ID, а по аккаунту пользователя (логин, пароль) с уникальным идентификатором User ID. Именно по нему данные о транзакциях из CRM передаются в системы аналитики.

Если зарегистрированный на сайте (залогиненный) пользователь сменил устройство, зашел с чужого компьютера или почистил cookie, мы его не теряем. Кроме того, в CRM появляется такой этап, как «Приход» или «Возврат». Он важен в тех случаях, когда клиент сначала бронирует товар на сайте, а после выкупает его в магазине. При завершении покупки мы можем передать в Google Analytics событие, которое подтвердит этот факт.

Минусы

С такой схемой по-прежнему неучтенными остаются пользователи, которые выбирают товар или услугу на сайте, но ничего не заказывают, а покупают напрямую в магазине.

Для отслеживания действий в офлайне можно использовать те же методы, что и в первой схеме. Усложнение текущей схемы, например за счет использования бонусных карт и промокодов, приведет к появлению более совершенного решения, о котором мы поговорим далее.

Кому подходит

Система будет эффективна при наличии событий, связанных с деньгами (транзакции, пополнение счета, абонементная услуга). Оптимальна для интернет-магазинов и сервисов с периодической оплатой, где предусмотрена регистрация.

Стоимость

От 250 000 рублей.

Но даже такая схема имеет погрешности, если важно отслеживать еще и офлайн-конверсии без привязки к User ID. В этом плане более точные данные дает третья, еще более совершенная схема.

Level 3. Интеграция через Power BI

Первый и второй уровни сквозной аналитики все-таки могут терять клиентов. Например, если кто-то посмотрел каталог на сайте, но за покупкой пошел непосредственно в офлайн-магазин. При этом пользователь мог никак не обозначить своих намерений на сайте: не позвонил, не забронировал товар. Продажа фиксируется в CRM, но не сопоставляется с данными Google Analytics и Яндекс.Метрики. Вопрос: как связать факт покупки в магазине с тем, какие рекламные сообщения, предложения на сайте этот человек видел в онлайне?

Для решения этой задачи используется схема с интеграцией через Power BI. На сайте пользователю предлагается уникальный код, по которому клиент в магазине (дилерском центре, ресторане и др.) получит скидку. Это может быть дисконтная карта, купон, персональное предложение. Идентификаторы могут добавляться в артикул товара, если покупатели называют его при покупке. Так часто бывает при выборе оборудования, где модификации отличаются именно артикулом.

Вместе с кодом, который связан с User ID, мы передаем данные о клиенте в офлайн. Пользователь приходит в магазин, называет код или артикул менеджеру, который продает по нему товар. Когда данные об этом попадут в CRM, они автоматически свяжутся с историей этого пользователя на сайте. В большинстве случаев человек воспользуется нежданной скидкой или предложением системы лояльности, особенно если покупает что-то дорогое и значимое.

Допустим, вы владелец фитнес-центра. Несколько блогеров за немалые деньги активно рекомендуют вас миллионам своих подписчиков. Новые клиенты покупают карты, берут пробные занятия.

Но если сквозная аналитика не настроена, переходы на сайт из поста блогера никак не связаны с дальнейшей судьбой клиента: приобретет ли он абонемент, будет ли к вам ходить, станет ли продлевать карту.

А что если при посещении сайта каждый пользователь получает уникальный промокод? В офисе администратор оформляет по нему карту, действия клиента в онлайне и офлайне сопоставляются. Вуаля!

Вы по каждому блогеру знаете, сколько клиентов он привел, как долго они пользовались услугами вашего фитнес-центра и какими именно. Понимаете, какой рекламный посыл лучше сработал.

Плюсы

Схема позволяет отслеживать всю цепочку пути клиента вместе с офлайном. При необходимости офлайн-блок можно усилить телефонией, например для отслеживания работы курьеров. Можно определять эффективность каждого сотрудника, каждой офлайновой точки продаж.

Еще одно важное преимущество схемы – объединение всей разнородной статистики компании в единых понятных бизнесу отчетах, как, например, это происходит при использовании уже упомянутой нами платформы для бизнес-аналитики Microsoft Power BI.

Минусы

Схема интеграции через Power BI сложна в настройке и поддержке. Часто для ее корректной работы приходится пересматривать бизнес-процессы компании. Плюс остается погрешность в виде тех, кто отказался от скидки, промокода, купона.

Кому подходит

Крупным компаниям, оказывающим услуги, а также сетевым офлайн-магазинам и заведениям (например, ресторанам, автодилерам), которые ведут первичную коммуникацию через интернет.

Стоимость

Индивидуально.

Настройка такой системы сквозной аналитики циклична и в большинстве случаев затрагивает бизнес-процессы компании. Необходимо будет внедрить политику скидок, продумать логику выпуска карт, промокодов или других предложений. Все это постоянно меняется, поэтому система требует регулярной корректировки и дополнительных затрат на настройку аналитики.

Power BI – новый уровень в работе с данными

Microsoft Power BI – одна из систем интерпретации данных.

Сервисы формата BI выгружают данные из различных систем учета и встраивают их в единую модель. Эту модель можно создать под свои цели из готовых модулей. Можно видеть различные срезы, прогнозы, закономерности. Можно давать доступ к отчетам аналитикам и специалистам, маркетологам и топ-менеджерам.

Power BI имеет множество готовых коннекторов, которые способны забирать данные из систем статистики. Не требуется настройка связи между CRM и Google Analytics, а также системой коллтрекинга и Яндекс.Метрикой. Без физической интеграции вы можете связать различные данные. Например, звонки и заявки с конкретной рекламной кампании – с продажами, а людей, зашедших на сайт, – с посетителями офлайн-магазина.

Вы создаете бизнес-надстройку, которая агрегирует данные, рассказывает и показывает, что было, есть и будет эффективно и почему.

• Не требуется физическая настройка сквозной аналитики (интеграция). Все данные сводятся непосредственно в Power BI. Вы значительно экономите время на настройку системы сквозной аналитики и ресурс разработчиков.

• Power BI во многих случаях позволяет увидеть а) данные с момента настройки сквозной аналитики и б) ретроспективные данные. Это возможно благодаря тому, что в основе системы не лежит физическая интеграция. Вы получаете значительно больше информации для анализа и принятия решений.

• Модель объединения данных и принципы построения отчетов можно настроить под потребности и параметры конкретного бизнеса. Можно адаптировать отчет под принятие конкретных решений с широкими возможностями визуализации. В результате вы получаете отчетность, которая понятна и digital-специалистам, и бизнесу. Это позволяет всем участникам процесса говорить на одном языке.

Российский рынок начал всерьез рассматривать Power BI буквально пару лет назад.

Эта платформа все чаще используется для построения систем бизнес-аналитики с визуализацией и детальной интерпретацией данных.

Сквозная аналитика – это не просто технология, которую можно внедрить и забыть о ней. Это качественно иной процесс привлечения клиентов, взаимодействия с ними. Да, в последние полгода-год прослеживается явный тренд на принятие ее рынком. Но существуют как минимум три причины того, почему эта технология до сих пор не стала общепринятой практикой.

Проблема 1. Бизнес не до конца понимает ценность веб-аналитики

Однако уровень непонимания снижается, в том числе за счет того, что лидеры digital не перестают обучать рынок, и эта книга не исключение.

Проблема 2. Отсутствует техническая возможность настройки системы

Как правило, у бизнеса нет компетенций, нет специалистов. И это прямое следствие первой проблемы.

Проблема 3. Бизнес не готов менять что-либо в привычной работе

И этот страх перемен порой бывает блокирующим. Нет смысла настраивать сквозную аналитику для галочки, «чтобы было». Важно понять, чем она будет полезна бизнесу и готов ли бизнес к этим улучшениям, какие решения можно или даже нужно будет принять, придется ли менять бизнес-процесс.

Со сквозной аналитикой не получится так, что агентство (подрядчик) все делает, а заказчик об этом и думать забыл. Наоборот: агентство все настроит, но что дальше бизнес будет с этим делать? В Ingate мы точно знаем, для каких целей и результатов настраивается сквозная аналитика у каждого конкретного клиента. При этом сами клиенты зачастую до конца не понимают, зачем именно все это делается. Но наши специалисты помогают донести ценность, обосновывают рекомендации и то, каким образом будет усилена маркетинговая стратегия. А без такого прикладного применения сам факт настройки аналитики теряет всякий смысл.

Технология сквозной аналитики – это доступный сегодня каждому бизнесу способ сделать уверенный шаг вперед и начать меняться.

Мы рассмотрели три основные схемы сквозной аналитики, которая, безусловно, должна быть обязательным компонентом маркетинговой стратегии бизнеса. Но каждая из этих схем, пусть и в разной степени, имеет погрешности в работе с данными, если речь идет об офлайне. Пользователь может назвать менеджеру не артикул товара с уникальным идентификатором, а просто модель. Или месяц выбирать что-то на сайте, а потом в магазине подойти к терминалу самообслуживания, найти товар и пробить себе чек. И ничего с этим не поделать.

Пока что жизнь человека в интернете и его обычная жизнь – это две разные вещи. И поэтому идеальной схемы сквозной аналитики не существует. Но грань уже тонка. Так, апгрейд Яндекса «Королев» – это не что иное, как еще один шаг к большей персонализации, объединению в один портрет желаний человека в офлайне и его действий в онлайне на разных устройствах. Поисковые системы говорят: «Мы угадываем ваши желания», что на самом деле значит «Мы следим за вами».

Уже сейчас при настройке онлайн-рекламы можно задавать точный таргетинг, изучать отчеты по кросс-девайсным конверсиям, и уже тестируются отчеты о данных аналитики офлайн. Пока такие методы несовершенны, но это только первые шаги. Понятно, к чему все идет: со временем пользователь в сети и вне интернета будет для маркетолога, для аналитических систем одним человеком.